1. SoftwareAdobeАнализиране на данни с Adobe Analytics: Откъде идват данните
Adobe Analytics за манекени

От Дейвид Карлинс

Може да не знаете това, но потребителите на Adobe Analytics извършват анализ на данни на неща извън техните уебсайтове. Adobe също така улавя данни от името на своите клиенти в мобилни приложения, приложения за таблети и други. Плюс това, Adobe е изградила значителна гъвкавост в Adobe Analytics за справяне с по-цифрово свързан потребителски свят, който безпроблемно преминава от гласов асистент в телефон към лаптоп.

Източници на данни на Adobe Analytics

Възприятията за естеството на анализа на данните бяха определени в сферата на популярната култура от героя на Jonah Hill във филмовата адаптация на книгата Moneyball. В тази истинска история, бейзболен отбор на малък пазар (Оукланд А) успя драматично да превъзхожда отбори с много по-големи заплати, като иновативно идентифицира и действа за придобиване на подценявани играчи въз основа на статистически мерки за ефективност на играча отвъд и в много отношения противоречащи на традиционните показатели, като средно средни стойности, начални тиражи на сезон и RBI (тиражирани с включени).

Откакто излезе този филм, се появиха нови и все по-сложни предизвикателства при събирането и анализирането на данни. (Вижте тази статия за повече информация относно тенденциите в данните.)

Например, потребителите на онлайн устройства са били обусловени за бързо навигиране от едно място на друго, като се изискват повече нюансирани и подробни показатели за точно проследяване на активността на потребителите. И потребителите все повече осъзнават съображенията за поверителност и взимат по-информирани решения за това как искат да управляват връзката между удобството, осигурено чрез проследяване на тяхната активност и поддържане на конфиденциалност в тяхната онлайн активност.

От другата страна на монетата за анализ на данни, съществуват значително повече източници на потребителски данни, отколкото само преди няколко години. Днес Adobe има редица механизми за импортиране на информация за анализ на данни от цифрово прекъснати източници като кол центрове, системи за управление на връзки с клиенти (CRM) и двигатели за търговия в магазина.

Преди да се потопите в подробностите за това как се събират данни, важно е да разберете, че заснемането на данни и зареждането им в Adobe Analytics обикновено не е домейн на анализаторите на данни. Задачата ви като анализатор е да анализирате данните, заснети от потребителската активност.

Следният основен преглед на начина на събиране на данните е важен за анализаторите по две причини. Първо, добре е да знаете откъде идват данните, когато искате да оцените валидността му; и две, като разбирате процеса на извличане и изпращане на данни в Adobe Analytics ви позволява да имате по-продуктивни взаимодействия с хората, които създават инструментите, които извличат данни.

Използване на Adobe Analytics за заснемане на данни от уебсайтове

Нека започнем с най-разпространения източник на данни на Adobe Analytics: уебсайтове. Първоначално уеб данните са анализирани въз основа на сървърите. Данните за сървърния дневник се генерират автоматично от сървъри, които хостват уебсайтове, и предоставят брой и времена маркировка на всяка заявка и изтегляне на всеки файл на сайта. За съжаление, данните са много ненадеждни, тъй като регистрационните файлове на сървъра нямат възможност да различават ботовете от хората.

Ботовете са автоматизирани компютри, които сканират уебсайтове. Тези ботове често са приятелски настроени и се използват за класиране на уебсайтове за търсачки или уеб сайтове за агрегиране на продукти. Някои ботове обаче са недружелюбни и се използват за конкурентна информация или по-лошо.

Тъй като сървърите не могат да разпознаят човек от бот, индустрията бързо преминава към тагове, които сега са стандарт за индустрията. По принцип таговете са кодове, базирани на JavaScript, които добавят невидимо изображение към всяка страница и действие на вашия уебсайт. Тези изображения действат като маяк за аналитични инструменти, където няколко неща се случват само за няколко милисекунди:

  1. JavaScript код работи, за да идентифицира информацията за браузъра и устройството, както и времевата марка на изгледа на страницата. Още JavaScript код работи, за да търси съществуването на бисквитка, която е част от текст, запазен в браузър. Бисквитките могат да бъдат достъпни само от домейните, които ги задават и често имат срок на годност. Ако съществува, идентификационният номер на посетител се извлича от бисквитката, за да идентифицира потребителя в посещенията и страниците. Ако идентификационен номер на посетител не съществува, се създава уникален идентификационен номер и се задава в нова „бисквитка“. Тези идентификационни номера са уникални за всеки посетител, но не са свързани с личните данни на потребителя, като по този начин осигуряват мярка за поверителност на потребителите. Повече JavaScript се използва за улавяне на информация за страницата: URL адресът, референтът и набор от персонализирани величини, които идентифицират действието и поведението на посетителя.

След всичко това, което JavaScript логиката изпълнява, изображението се генерира, за да изпраща данни в механизма за събиране и обработка в анализите на Adobe.

Заплашително нали? Е, така се почувстваха уеб разработчиците. Когато уеб аналитиката за пръв път излезе на сцената, една от най-трудните задачи беше обучението на разработчиците как да пишат и тестват целия този JavaScript, за да се гарантира, че нашите тагове се задействат точно. Обучението на разработчиците да се развиват - не е забавна работа.

За щастие за нас, още по-интелигентният разработчик излезе с идеята да премести целия този JavaScript в един потребителски интерфейс (потребителски интерфейс). уеб разработчиците трябваше да добавят само един или два реда код към всяка страница на сайта и маркетологът можеше да управлява техните маркери в тази нова платформа, наречена система за управление на маркери или TMS. Не беше много преди да се взриви индустрията за управление на маркери, което доведе до десетки доставчици, а след това придобивания, сливания и въртене на технологиите.

Добрата новина е, че индустрията на системите за управление на маркери стана комерситизирана и се предлага безплатно от Adobe под формата на Dynamic Tag Manager (DTM) и Adobe Launch. Вече може да сте запознати с TMS, Google Tag Manager или някой от независимите TMS плейъри като Tealium, Ensighten или Signal.

Вероятно е вашата компания вече използва една от тези технологии, за да разположи маркетингови маркери на вашия уебсайт. Всички те могат да внедрят Adobe Analytics, въпреки че препоръката на Adobe за най-добрите практики е да използвате Adobe Launch.

Използване на Adobe Analytics за заснемане на данни от мобилни устройства

Ако стандартните уебсайтове, доставени на лаптоп, са естественото място да започнете с нашата дискусия за събиране на данни, преминаването към по-малък мобилен екран е логичната следваща стъпка.

Вероятно вече знаете, че на този етап от еволюцията на уеб дизайна, мобилните уебсайтове са напълно функциониращи уеб страници, а не замислени приложения към лаптоп, десктоп или големи сайтове за монитори. Тези уеб сайтове с по-малък мащаб са създадени чрез използване на подход към уеб разработка, наречен отзивчив дизайн, при който кодът, използван за създаване на съдържание на уебсайт, е един и същ, независимо от размера на екрана и браузъра на уеб посетителя. Вашата компания най-вероятно вече използва динамичния дизайн.

Когато се приложи отзивчив дизайн, същите тагове, които се задействат на уебсайта на работния плот, трябва да работят на уебсайтове, оптимизирани за мобилни устройства и таблети, тъй като по същество са едно и също нещо, което е добра новина в света за управление на маркерите. Светът на мобилните приложения, базирани на отзивчив дизайн, обаче е напълно различен от този на родните приложения.

Извличане на данни от родните приложения с Adobe Analytics

Родните приложения представляват конкретни предизвикателства за събирането на данни. Тези мобилни и таблетни приложения се програмират по различен начин от отзивчивите уебсайтове.

По принцип родните приложения не се стартират в браузъри, не използват HTML и не могат да стартират JavaScript. Всъщност приложенията, създадени за iOS, са изградени на различен език за програмиране (Цел C) от приложенията за Android (Java). Тези езици за техническо програмиране са споменати по една важна причина: Системата за управление на маркери няма да работи на вашите мобилни и таблетни приложения.

Някои доставчици на система за управление на маркери хакнаха възможността за включване на JavaScript в приложенията, но резултатът има ограничени възможности и далеч не е най-добрата практика. Най-пълният, точен и мащабируем начин за разгръщане на инструментите на Adobe е използването на комплекта за разработка на софтуер за мобилен софтуер (SDK) на Adobe. Adobe Mobile SDK е създаден да работи като система за събиране на данни, като система за управление на маркери, но използва родния език за програмиране на приложението (Цел C за iOS или Java за Android).

Adobe SDK е важен, тъй като има по-дълбок достъп до кода, който управлява приложението и следователно може да се използва за не само събиране на данни. Освен изпращане на данни до Adobe Analytics, Adobe SDK е длъжен да направи следното:

  • Записвайте данни за географско местоположение въз основа на GPS. Използвайте географските огради въз основа на тези GPS данни за анализ или действие. Изпращане на push известия до потребителите. Актуализирайте съдържание в приложението чрез съобщения в приложението, персонализиране и тестване.

Достъпът до тези възможности може да бъде ограничен до SKU или версия, която вашата компания е закупила от Adobe. Работете с вашия мениджър на Adobe Account, за да разберете коя от тези възможности е включена във вашия договор.

Използване на Adobe Analytics за улавяне на данни от IoT и след това

Сега, когато разбирате стандартите за събиране на двата най-големи случая на използване (уеб и мобилни), е време да се разклоним към по-общ набор от Интернет на нещата (IoT). Всички, които задават въпроси относно данните, трябва да помислят за дигитални киоски, интелигентни часовници, свързани автомобили, интерактивни екрани и каквито и да са други нови устройства, които нашите техни началници обявиха от момента на писането на това изречение.

На доставчици като Adobe е трудно да бъдат на върха на всяко ново устройство, тъй като изграждането на SDK изисква време, пари, изследвания, инженери, код, осигуряване на качеството и други. Но не се притеснявайте: Устройствата, които нямат вградени SDK файлове, все още могат да изпращат данни до Adobe Analytics.

Най-добрата практика за изпращане на данни от едно от тези устройства е чрез интерфейс за програмиране на приложения (API). Накратко, това означава, че разработчиците на приложението IoT могат да напишат свой собствен код, за да създадат връзка с вашия акаунт в Adobe Analytics и след това да изпратят данни към него.

API-тата са станали по подразбиране начинът, по който данните се изпращат от всяко устройство, свързано към Интернет, или на пълен работен ден, или на непълно работно време. Adobe има някои препоръки за споделяне също, особено за някои от големите им залози, когато става въпрос за тези нови устройства, като глас и свързан автомобил. По време на това писане SDK файлове не са достъпни за устройства с активиран глас или свързани приложения за автомобили. Adobe обаче има най-добри практики за персонализиране на данни, настройки на променливи и опции за кодове и за двете технологии.

Корпоративен софтуер - софтуер, лицензиран за институциите - се актуализира редовно и Adobe пуска най-добрите практики за проследяване на данни, свързани с нови цифрови носители като глас и свързания автомобил.

Вече проучихте всички видове данни, генерирани от устройства, които имат достъп на непълно или пълно работно време до мрежата: компютри, телефони, таблети и IoT.

Цифровият опит и взаимодействията на хората с тези устройства са заснети от някаква комбинация от TMS, SDK и API. Според маркетолозите и анализаторите в този списък липсва нещо: данни, които не се основават на поведението.

Може би най-добрият пример за недобросъвестни данни идва от вашия инструмент за управление на взаимоотношенията с клиенти (CRM). CRM инструментите се използват за организиране, категоризиране и управление на вашите потенциални клиенти и клиенти. Други примери на недобросъвестни данни, от които маркетолозите и анализаторите биха се интересували, включват следното:

  • Кол център Покупки офлайн или в магазина Връщания или анулиране Стойност на продукта на продадени стоки Рекламна кампания Удовлетвореността на клиентите

Adobe Analytics може да импортира всеки от тези типове данни, както и много други. По принцип тези данни се импортират в Adobe Analytics чрез протокол за прехвърляне на файлове (FTP) или API.